如何在神经网络经过训练后扩展进入神经网络的新数据

Question

我有一个经过训练的神经网络，效果非常好，但我事先缩放了数据[sklearn preprocessing.scale（X）]。这很好用，但是当我保存模型并想要在其中输入新数据时，我该怎么办？如何确保缩放与训练时相同？

df = pd.read_csv("Trimmed Training Data.csv", delimiter=",")
X = np.array(df.drop(['PredictThis'],1))
y = np.array(df['PredictThis'])
X = preprocessing.scale(X)

# create NN model
model = Sequential()
# 2 inputs, 10 neurons in 1 hidden layer, with tanh activation and dropout
model.add(Dropout(0.2, input_shape=(15,)))
model.add(Dense(100, init='uniform', input_shape=(15,), activation='relu')) 
model.add(Dropout(0.2))
model.add(Dense(100, init='uniform', input_shape=(100,), activation='relu')) 
model.add(Dropout(0.2))
model.add(Dense(5, init='uniform', input_shape=(100,), activation='relu')) 
model.add(Dropout(0.2))
model.add(Dense(1, init='uniform', activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='rmsprop')
# Fit the model
model.fit(X, y, nb_epoch=25, batch_size=15)

Answer 1

通常做的是保存一个scale对象，你可以在这里读到。

以下是保存对象scale方法：

from sklearn.externals import joblib
joblib.dump(scale, 'filename.pkl') 

以下是重新加载它的方法：

scale = joblib.load('filename.pkl') 

预测新数据时 - 最好重新加载缩放器 - 相应地缩放数据，然后使用模型。您甚至可以创建一个新类，其中缩放器像keras.model一样保留和保存。